信息论与编码实验指导书..doc

实验一 用MATLAB读取和显示图像 一、实验目的与要求 1．熟悉及掌握在MATLAB中能够处理哪些格式图像。 2．熟练掌握在MATLAB中如何读取图像。 3．掌握如何在MATLAB中按照指定要求存储一幅图像的方法。 4. 掌握如何在MATLAB中将RGB图转换为灰度图（选作）。 二、实验原理及知识点 一幅图像可以被定义为一个二维函数f(x,y),其中x和y是空间(平面)坐标，f 在任何坐标处(x,y)处的振幅称为图像在该点的亮度。灰度是用来表示黑白图像亮度的一个术语，而彩色图像是由单个二维图像组合形成的。例如，在RGB彩色系统中，一幅彩色图像是由三幅独立的分量图像(红、绿、蓝)组成的。因此，许多为黑白图像处理开发的技术适用于彩色图像处理，方法是分别处理三幅独立的分量图像即可。 根据图像数据矩阵解释方法的不同，MATLAB把其处理为4类： 亮度图像(Intensity images) 二值图像(Binary images) 索引图像(Indexed images) RGB图像(RGB images) 三、实验内容及步骤 四、考核要点 五、实验仪器与软件 六、实验报告要求 七、思考题 八、实验图像、实验内容及步骤 1．读取一幅；．； ．、实验仪器与软件 PC计算机 MatLab软件/语言包括图像处理工具箱(Image Processing Toolbox) 实验所需要的图片 、实验报告要求 描述实验的基本步骤，用数据和图片给出各个步骤中取得的实验结果，并进行必要的讨论，必须包括原始图像及其计算/处理后的图像。 、实验图像学习灰度图像直方图的概念、计算方法、性质和相关应用编写灰度图像直方图统计程序。 掌握灰度直方图的概念及其计算方法； 式中，n是图像总的像素个数；ni是图像中具有第i个灰度级的像素个数；vi是第i个灰度级出现的频率。直方图是多种空间城处理技术的基础。灰度直方图是一幅图像中各个灰度级出现频数的统计结果，它只能反映图像中不同灰度像素出现的频率，而不能反映出某灰度像素所在的位置。也就是说， 它只包含了该图像中某灰度级像素出现的概率，而丢失了其所在的位置信息。任何一幅图像只能有一个灰度直方图与之对应，但不同的图像可能有相同的灰度直方图，即图像和灰度直方图之间是一种多对一的映射关系。直方图操作能有效地用于图像增强。除了提供有用的图像统计资料外，直方图固有的信息在其他图像处理应用中也是非常有用的，如图像压缩与分割。直方图在软件中易于计算，也适用于商用硬件设备，因此，它们成为了实时图像处理的一个流行工具。 Lena（8比特/像素）图（对应图2-1） 图3-2 Lena（8比特/像素）直方图（对应图2-1） 图3-3 Lena（4比特/像素）图（对应图2-2） 图3-4 lena（4比特/像素）直方图（对应图2-2） 图3-5 Lena（4比特/像素）图（对应图2-3） 图3-6 lena（4比特/像素）直方图（对应图2-3） 图3-7 Lena（4比特/像素）图（对应图2-4） 图3-8 lena（4比特/像素）直方图（对应图2-4） 实验四 灰度图像的霍夫曼编码 一、实验目的与要求 1．学习霍夫曼编码的概念、计算方法。 2．用MATLAB对图像进行霍夫曼编码 二、实验原理及知识点 霍夫曼（Huffman）编码算法是满足前缀条件的平均二进制码长最短的编-源输出符号，而将较短的编码码字分配给较大概率的信源输出。算法是：在信源符号集合中，首先将两个最小概率的信源输出合并为新的输出，其概率是两个相应输出符号概率之和。这一过程重复下去，直到只剩下一个合并输出为止，这个最后的合并输出符号的概率为1。这样就得到了一张树图，从树根开始，将编码符号1 和0 分配在同一节点的任意两分支上，这一分配过程重复直到树叶。从树根到树叶途经支路上的编码最后就构成了一组异前置码，就是霍夫曼编码输出。 三、实验内容及步骤 分为两步，首先是码树形成过程：对信源概率进行合并形成编码码树。然后是码树回溯过程：在码树上分配编码码字并最终得到霍夫曼编码。 1．码树形成过程：将信源概率按照从小到大顺序排序并建立相应的位置索引。然后按上述规则进行信源合并，再对信源进行排序并建立新的位置索引，直到合并结束。在这一过程中每一次都把排序后的信源概率存入矩阵G中，位置索引存入矩阵Index中。这样，由排序之后的概率矩阵?G以及索引矩阵Index就可以恢复原概率矩阵P了，从而保证了回溯过程能够进行下去。 2．码树回溯过程：在码树上分配编码码字并最终得到Huffman 编码。从索引矩阵M 的末行开始回溯。 (1) 在Index 的末行2元素位置填入0和1